English
Chinese
German
Japanese
Korean
Desde hace más de diez años se viene impulsando el desarrollo de vehículos autónomos. Los desarrolladores y entusiastas de los vehículos autónomos creen que pueden ofrecer un modo de transporte más seguro y eficiente a un amplio abanico de ciudadanos. Los vehículos autónomos son posibles gracias a la utilización de una amplia gama de tecnologías.
Uno de los componentes tecnológicos clave de un vehículo autónomo son los sistemas sensoriales que se utilizan para ayudar al vehículo a comprender su entorno y el contexto en el que se encuentra. Los típicos sistemas de sensores que adornan el exterior del vehículo incluyen diversas cámaras, láseres y sistemas ultrasónicos. En el interior del vehículo, invisible para el pasajero profano, hay un conjunto de capacidades de procesamiento y análisis de datos que interpretan la información procedente de los sensores y utilizan los resultados de este análisis para tomar decisiones en lugar de un operador humano. Un componente clave de este sistema centralizado es la unidad de medición inercial (IMU), el sistema que controla los movimientos dinámicamente cambiantes del vehículo.
Oxford Technical Solutions (OXTS) lleva casi 20 años suministrando tecnologías de medición inercial al mercado de la automoción. Durante este periodo, OXTS ha suministrado sistemas inerciales a diversos proyectos de desarrollo de vehículos autónomos, como el Desafíos DARPA (en 2005 y 2007), el Volkswagen Golf 53+1 de conducción autónoma en 2006, el vehículo no tripulado "Wildcat" de BAE Systems; junto con numerosos sistemas para el ejército y varios fabricantes líderes de automóviles. OXTS está, por tanto, bien situada para ilustrar por qué una unidad de medición inercial es esencial para la seguridad y el éxito de las operaciones autónomas.
Madurez de los mecanismos de asistencia al conductor
Empresas como Google están diseñando, desde cero, vehículos totalmente autónomos para circular en lugar de conducir. Muchas de las capacidades de detección desplegadas ya se están implementando en los sistemas avanzados de asistencia al conductor (ADAS) que están desarrollando muchos de los principales fabricantes de automóviles. Los sistemas de imagen (como cámaras y LiDAR) suelen utilizarse para reconocer objetos en el horizonte, ya sea para identificar simplemente estructuras duras próximas o incluso para detectar la presencia de peatones u otros peligros potenciales de colisión en la trayectoria del vehículo. Como los "ojos" del vehículo, los sistemas de imagen desplegados en un vehículo individual están aumentando tanto en número como en sofisticación. En un reciente informe sobre el tamaño del mercado, Yole Développement (Yole) predice que el valor del mercado de sensores en vehículos autónomos será de $2,6B a finales de 2015, y aumentará a $36B (de los cuales $12B corresponderán únicamente a sensores de imagen) en 2030. Sin embargo, aunque los sistemas de formación de imágenes permiten evaluar la forma de los objetos y la distancia entre el vehículo y los objetos detectados, un vehículo autónomo sigue necesitando saber dónde se encuentra en el entorno y cómo se mueve por él para poder tomar decisiones y acciones a tiempo. Tener en cuenta los movimientos del vehículo (dinámica del vehículo) no sólo valida la información procedente de los sensores de imágenes, sino que también garantiza el paso seguro del vehículo autónomo entre los obstáculos que se ven y a lo largo de su ruta prevista.
Contexto, contexto, contexto
Un vehículo autónomo tiene que hacer un seguimiento de varias cosas mientras recorre una ruta de principio a fin de forma segura. En el nivel más alto, el vehículo autónomo tiene que hacer un seguimiento del progreso general a lo largo de la ruta. Para ello puede utilizar los sistemas mundiales de navegación por satélite (GNSS). El GNSS puede proporcionar información relativa a la velocidad del vehículo, pero no es lo bastante fiable como para proporcionar continuamente información precisa sobre la ubicación y la velocidad exactas.
El nivel inmediatamente inferior es un contexto más local e incluye las cosas que un conductor podría observar con sus ojos desde el asiento del conductor. En este nivel, el vehículo autónomo debe comprender el entorno inmediato que le rodea en el contexto de las características fijas y móviles que están cerca o que pronto lo estarán. Los elementos fijos son, por ejemplo, las marcas de los carriles, los bordillos, los controles de tráfico y los coches aparcados. Los elementos móviles pueden ser otros usuarios de la carretera y peatones en movimiento. Normalmente, los sistemas de sensores montados en la parte superior del vehículo autónomo miran hacia el exterior para comprender este contexto e incluyen cámaras, LiDAR y sistemas ultrasónicos.
Por último, es necesario comprender el contexto del vehículo y cómo se mueve en su entorno inmediato. Para ello, el vehículo dispone de varios sensores, entre los que se encuentra un sistema muy importante: la IMU. La IMU es un sensor en sí mismo que proporciona datos relativos a la dinámica del vehículo, de modo que los cálculos importantes relativos a los cambios en la trayectoria del vehículo pueden utilizarse para anticipar problemas de seguridad (por ejemplo, cambios en el ángulo de deslizamiento).
La IMU también proporciona información para comprender mejor la ubicación de los demás sistemas de sensores en el contexto de la posición actual del vehículo. La IMU proporciona parte de la cola para correlacionar correctamente los datos procedentes de varios sensores en relación con la dinámica del vehículo en el espacio y el tiempo en el momento en que se envía una lectura a los sistemas de análisis en tiempo real del vehículo autónomo. No ser capaz de correlacionar y calcular varias lecturas de sensores en combinación, basándose en la dinámica del vehículo, es peligroso y puede conducir a problemas de seguridad y contribuir a una mala experiencia de conducción.
Consecuencias de no comprender la dinámica del vehículo
Los vehículos autónomos no sólo deben comprender la dinámica del vehículo en términos de posición, orientación, dirección y velocidad del vehículo, sino también si los cambios en la relación entre estos factores están provocando una situación insegura para los ocupantes del vehículo, los transeúntes u otros usuarios de la carretera. La conducción más segura es la más estable. Para garantizar la estabilidad general en el movimiento del vehículo, una medida indicativa que puede alertar en primer lugar de las medidas preventivas para una conducción segura es el ángulo de deslizamiento.
El ángulo de deslizamiento es la medida que compara los ángulos entre el vector de velocidad de avance y el rumbo; es decir, el ángulo entre la dirección real de desplazamiento de una rueda rodante y la dirección hacia la que apunta. Los aumentos del ángulo de deslizamiento pueden deberse a cualquiera de los continuos cambios en la relación entre el vehículo, la superficie y la estructura de la carretera, o las interacciones entre otros usuarios de la vía.
Un cambio de 0,5° en el ángulo de deslizamiento puede ser lo suficientemente significativo como para provocar derrapes, trompos o vuelcos (especialmente en el caso de vehículos utilitarios deportivos o camiones más altos) si no se toman medidas correctoras con suficiente antelación. Por lo general, la seguridad de la marcha del vehículo se verá comprometida una vez que el vehículo comience a desplazarse en una dirección diferente a la prevista. Las consecuencias pueden incluir (además de derrapes, trompos y vuelcos) una mayor probabilidad de colisión con obstáculos distintos de los identificados en la ruta por el sistema de imágenes, e impactos con partes del vehículo, como las puertas, que no están bien diseñadas para soportar un impacto.
Controlar el ángulo de deslizamiento es una de las formas en que un sistema ADAS o un sistema de conducción completamente autónomo pueden evaluar si deben aplicarse medidas preventivas como cambios en el ángulo de dirección o mecanismos de frenado de emergencia. Puede que el vehículo cuente con sistemas de guiado y evitación de colisiones basados en imágenes, pero si la dinámica del vehículo se vuelve demasiado extrema, podría producirse un incidente como un derrape o un trompo antes de que los sensores de imágenes alerten. Una vez que se desencadena un incidente, puede ser demasiado tarde para recuperarse, independientemente de si se conoce la ubicación de los obstáculos.
Unidades de medición inercial para controlar la dinámica de los vehículos
Como se ha descrito, el funcionamiento seguro de cualquier sistema de conducción automatizada depende del conocimiento continuo de la dinámica del vehículo en términos de ubicación, posición en la carretera, dirección, orientación y velocidad del vehículo. Para medir estas características es necesario utilizar una unidad de medición inercial (IMU).
Compuesta por un conjunto de giroscopios y acelerómetros, la IMU proporcionará un flujo continuo de datos relacionados con la aceleración lineal del vehículo en tres ejes principales, junto con los tres conjuntos de parámetros de rotación (cabeceo, balanceo y rumbo). Los datos de la IMU proporcionarán mediciones adicionales relacionadas con la distancia recorrida por el vehículo autónomo que:
- Tiene en cuenta la posición más probable del vehículo cuando no se dispone de datos GNSS en entornos GNSS difíciles.
- Proporciona datos relacionados con la velocidad y el alcance de la aceleración hacia obstrucciones que son detectadas por los sistemas de imágenes de a bordo.
- Mide los datos angulares entre la dirección en la que apunta el vehículo (rumbo) y hacia dónde se dirige realmente (trayectoria).
Por qué utilizar una IMU en un vehículo autónomo
Y lo que es más importante, la IMU proporciona los datos que permiten a un sistema de conducción automatizada no sólo saber dónde está, sino también cómo se mueve. Esto es necesario para que cualquier tecnología de detección identifique rutas y obstáculos, y proporcione la información necesaria para que el sistema de conducción ajuste continuamente sus parámetros para recorrer una ruta de forma segura.
Para cumplir estos requisitos, los sistemas de medición inercial OXTS proporcionan la capacidad en tiempo real de transmitir y medir continuamente orientaciones y posiciones con una precisión centimétrica y una velocidad medida con una precisión de 2 cm/s. Mediante el empleo de algoritmos que combinan los datos inerciales con la información GNSS disponible en bruto en un único flujo ininterrumpido de mensajes de navegación fiables y precisos, el sistema autónomo recibirá continuamente la información necesaria relativa a la posición, las orientaciones, la dirección y la velocidad. Y lo que es más importante, cuando el GNSS no está disponible o hay omisiones en la información recibida de los sensores de imágenes, las tecnologías OXTS subsanan estas omisiones y siguen proporcionando el flujo continuo de datos necesario al sistema de conducción autónoma. Cuando se considera el uso de esta información, junto con la procedente de los sensores de imágenes a bordo del vehículo autónomo, los datos inerciales proporcionados por el sistema OXTS lo hacen posible:
- Proporcionar datos de navegación a los algoritmos de procesamiento de imágenes a una frecuencia de muestreo de al menos 100 Hz.
- Proporcionar algoritmos utilizados en los sistemas ADAS para comprender si el vehículo se está moviendo realmente hacia una obstrucción u obstáculo, y a qué velocidad.
- Informar a los sistemas de emergencia del vehículo de situaciones dinámicas que requieran medidas correctoras (por ejemplo, derrapes), antes de que se produzca una alerta de los sensores de a bordo basados en imágenes.
- Las tecnologías OXTS se despliegan como soluciones completas de navegación inercial y GNSS llave en mano, como el RT3000 o una integración personalizada que utilice el mismo IMU xOEM que es esencial para los sistemas de OXTS.
Independientemente del tipo de despliegue, con un sistema OXTS a bordo, el sistema de conducción autónoma recibe la información que necesita para realizar operaciones seguras "en cualquier lugar".
